仓库入库单要素识别标注训练数据

本数据适用于仓储服务商、供应链平台及商家对不同版式入库单进行结构化识别、入库核验和库存同步。通过定位入库单号、供应方、商品、数量、单位和批次等要素，可减少人工录入差异，支持收货交接、库存台账核验和供应商对账。具备同类单据图像及业务流程的企业，可按本数据的要素口径训练单据识别模型，并用于入库信息审核和异常复核。一、加工前的数据说明： 原始数据来源于企业自有仓储业务系统归档的入库单图像。 二、处理规则： 1.以文档图像编号识别重复采集图像，仅保留版面完整、主体可辨的入库单；对保留图像依次进行方向校正、去噪、栏位切分和业务标识去标识化，生成入库单匿名编号。商品编码按商品名称与规格的组合进行去标识化映射，同一组合保留同一匿名编码。该步骤按图像去重，不改变一张单据可输出多个要素样本的结构。 2.将OCR识别结果与表格结构检测结果合并为标准化OCR全文，在入库单号、入库日期、供应方、仓库、商品编码、商品名称、规格、数量、单位、批次十类候选要素中定位有效要素。要素区域坐标统一记录为图像像素坐标(x1,y1,x2,y2)；字符起始位置、字符结束位置采用同一全文的零基半开区间[起始位置,结束位置)。 3.对同一单据内的要素类别、要素文本脱敏值和要素区域坐标执行交叉校验：文字不落在对应区域、数量与单位语义不匹配或类别冲突的结果不入集。识别置信度保留模型输出值；再按文档图像编号分组，以8:1:1划分训练集、验证集和测试集，避免同一单据跨子集。 三、数据内容描述： 1）样本编号：要素样本的匿名唯一标识；2）文档图像编号：入库单图像的匿名标识；3）入库单匿名编号：入库业务单据的去标识化编号；4）标准化OCR全文：同一入库单图像经清洗后的全文；5）要素类别：入库单号、入库日期、供应方、仓库、商品编码、商品名称、规格、数量、单位或批次；6）要素文本脱敏值：抽取要素的去标识化文本；7）要素区域坐标：要素在图像中的区域坐标；8）字符起始位置：要素文本在标准化OCR全文中的起始位置；9）字符结束位置：要素文本在标准化OCR全文中的结束位置；10）识别置信度：识别模型对该要素的输出置信值；11）数据集划分标识：训练集、验证集或测试集标识。

搜集汇总

背景与挑战

背景概述

仓库入库单要素识别标注训练数据是一个面向仓储服务商、供应链平台及商家的要素级标注数据集，主要用于不同版式入库单的结构化识别、入库核验与库存同步。数据以企业仓储系统中的入库单图像为基础，经去重、校正、去标识化和OCR标准化处理，定位入库单号、供应方、商品、数量、单位、批次等要素，并记录要素区域坐标、字符位置及识别置信度。数据集包含2020条样本，按8:1:1划分为训练集、验证集和测试集，可用于训练单据识别模型并支持入库信息审核与异常复核。